資源描述：
《特定領(lǐng)域deep+web數(shù)據(jù)抽取和語義標(biāo)注的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、特定頒域的DeepWeb數(shù)據(jù)抽取L-iN3(標(biāo)注研究中文摘要特定領(lǐng)域的DeepWeb數(shù)據(jù)抽取與語義標(biāo)注研究中文摘要隨著Intemet技術(shù)的飛速發(fā)展，隱藏在Web后臺數(shù)據(jù)庫中的信息資源因為其數(shù)據(jù)量大、結(jié)構(gòu)完整受到了廣泛關(guān)注，這些信息資源通常是由用戶在Web查詢頁面提交查詢請求后，以HTML頁面為中介展示給用戶的。學(xué)者們通常將這些信息資源稱之為DeepWeb資源。為了最大程度的利用這些DeepW
2、eb資源，需要通過各種技術(shù)手段將網(wǎng)頁中的無結(jié)構(gòu)或者半結(jié)構(gòu)化信息抽取出來。同時為了使抽取到的信息具有更高的使用價值，應(yīng)該對這些數(shù)據(jù)進行語義標(biāo)注，使其能夠被機器
3、所理解。本文對特定領(lǐng)域的DeepWeb的數(shù)據(jù)抽取與語義標(biāo)注進行了研究，將節(jié)點的類型信息引入到數(shù)據(jù)記錄的抽取中來，并基于本體實現(xiàn)了語義標(biāo)注，最后結(jié)合自身參與的項目設(shè)計了一個原型系統(tǒng)。本文的研究工作主要包括以下幾點：1)簡要概述了信息抽取的發(fā)展歷史、評價標(biāo)準和所涉及的相關(guān)技術(shù)，并對現(xiàn)有的信息抽取方法進行了深入的分析。2)結(jié)合DeepWeb結(jié)果頁面自身的特點，利用頁面布局的視覺特征和內(nèi)容特征，提出了一種利用標(biāo)簽過濾器、視覺特征過濾器、內(nèi)容規(guī)則過濾器的頁面凈化方法。實驗結(jié)果表明，該方法可以有效提高后續(xù)數(shù)據(jù)抽取的效率與精度。3)提出一種基于節(jié)點類型的數(shù)據(jù)記
4、錄抽取方法，該方法首先將HTML標(biāo)簽節(jié)點分為塊、樣式、文本、圖片四種類型，并對每一種類型賦予一個權(quán)值，其次根據(jù)不同的節(jié)點類型來計算結(jié)果頁面數(shù)據(jù)記錄中各屬性節(jié)點的熵值，最后通過此熵值來確定代表數(shù)據(jù)記錄的節(jié)點，實現(xiàn)數(shù)據(jù)記錄節(jié)點的抽取。與其他方法相比，該方法具有更高的效率。4)將領(lǐng)域本體作為Web數(shù)據(jù)庫所遵循的全局模式，通過核密度、K．L距離等方法來實現(xiàn)本體與模式間的映射，從而實現(xiàn)數(shù)據(jù)的語義標(biāo)注功能。實驗結(jié)果表明該方法具有一定的優(yōu)越性。5)在上述研究的基礎(chǔ)上設(shè)計了一個面向生物醫(yī)藥領(lǐng)域的信息集成平臺。關(guān)鍵詞：DeepWeb，信息集成，網(wǎng)頁凈化，數(shù)據(jù)抽取，
5、語義標(biāo)注作者：楊舟指導(dǎo)老師：崔志明(教授)StudyonDataExtractionan’1SemanticAnnotationforspecificfieldDeepWebAbstractWitlltherapiddevelopmentofIntemettechnology,informationresourceswhicharehiddeninwebdatabaseshavereceivedextensiveattentionbecauseofitslargeamountofdataandstructureintegrity．Theseinf
6、ormationresourcesaredisplayedtousersintheformofHTMLpagesafterusershavesubmittedsearchqueriesonwebquerypage．AndresearchersusuallycalltheseinformationresourcesDeepWeb．TomaximizetheuseoftheseDeepWebresources，thosesemi-structuredandunstructureddataonthewebpageneedtobeextractedthr
7、oughavarietyoftechnicalmeans．Meanwhile，inordertomaketheextracteddatapossessahigherusevalue，semanticannotationsmustbeaddedtothesedataSOthattheycanbeunderstoodbymachines．ThispaperstudiesthetechnologyofinformationextractionanddataannotationinDeepWebforspecificfield．Atfirst，leadt
8、ypeinformationofnodesintoextractionofdatarecordsandthenachievethesemanticannotationbasedonontology．Finally,aprototypesystemisdesignedcombined、^五thmyprojectexperience．Themainresearchworkofthispaperinclude：1)Thispapergivesapresentationaboutthedevelopmenthistory、evaluationcriter
9、iaandrelatedtechnologiesofWebinformationextractioninbriefandanalyses
